지식과 노하우를 공유하는 세미나에 참여해봐요!
하고 싶은 프로젝트, 대회, 논문, 연구 등을 진행해봐요!
Natural Language Feedback LAB
공학
현재 DL에서 모델을 학습할 때 모델에게 전달하는 정보는 label이 맞다, 틀리다의 CE loss와 같은 저차원 적인 정보를 통해 학습하고 있습니다. 이에 훨씬 고차원 정보가 담긴 Natural Language 형태의 Feedback을 모델에게 전달하여 학습을 시킬 수는 없을까?라는 의문에 대해 함께 연구해보고자 합니다. 모델에게 "그건 사과가 아니라 바나나야"라는 정보 보다 "빨갛고 동그란 사과와 달리 노랗고 길쭉한 모양을 했기에 바나나야"라는 더 rich한 정보를 전달하거나, Human alignment 관점에서 "좀 더 부드럽게 말해줘", "반말로 말해줘"와 같은 Natural Language Feedback을 모델로 전달하는 방법에 대한 연구를 하고자 합니다. 더 나아가서는 소통하며 training이 가능한 방식의 모델도 한번 시도해 보고자 합니다. 모델의 output에 대한 reasoning을 출력하면, 해당 reasoning에 대한 잘못된 점을 지적함을 통해 학습이 이루어질 수 있는 형태를 생각하고 있습니다. ex) output -> 사과, reasoning -> 둥글기에 사과, feed back -> 둥글지만 빨간색이 아니고 초록색에 줄무늬가 있어 수박 => 학습 저희 LAB의 최종 목표는 top-tier conference에 paper를 submission 하는 것입니다. NLP 분야와 Vision 분야에 대한 NL Feedback 모두를 고려하고 연구를 진행할 것입니다. + 학교 서버 GPU와 개인용 서버 GPU를 보유하고 있습니다.(공유 불가)
Continual Learning LAB
공학
DL에서 모델이 한번의 pre-training 또는 training 후에 모델을 fix하는 것이 아닌, 계속해서 새로운 내용을 학습할 수 있는 Continual Learning에 대해 연구해보고자 합니다. Vision과 NLP 두 가지 분야에 대해 CL 성능을 높이는 방법에 대해 연구하여 Top-tier conference에 paper를 submission하는 것을 목표로 LAB을 열고자 합니다. Continual Learning/Life-Long Learning에서 가장 큰 문제점은 새로운 지식을 학습하는 과정에서 이전에 배운 지식을 잊어버리는 것입니다. 이를 Catastrophic forgetting이라 하며, 해당 문제를 과거의 데이터가 없는 관점, 과거의 데이터가 일부 존재하는 관점 등 다양한 관점에서 문제를 해결하고자 하고 있습니다. 이에 저희 LAB에서는 CL에서 Catastrophic forgetting을 어떻게 해결할 것인지 연구하고자 합니다. 특히 최근 Foundation Model의 중요성이 커지는 만큼 Foundation model을 다시 처음부터 training 하지 않고 어떻게 효율적으로 새로운 지식을 학습시키며 이전 지식은 잊지 않도록 CL을 할 것인지에 대해서 연구하고자 합니다. 저희 LAB의 최종 목표는 top-tier conference에 paper를 submission 하는 것입니다. NLP 분야에서의 CL 팀과, Vision 분야에서의 CL 팀 두 팀으로 구성되어 각각 paper를 작성하고자 합니다. + 학교 서버 GPU와 개인용 서버 GPU를 보유하고 있습니다.(공유 불가)
Fintech LAB / FT LAB
인문・사회
공학
Fintech LAB은 다양한 데이터 기반의 AI 기술을 활용하여 금융 도메인의 복잡한 문제들을 해결하고, 이를 통해 금융 분야에 대한 학문적 기여를 목적으로 하는 랩입니다. 금융 인공지능 개발에 관심 있는 연구자들이 모여, 심도 있는 연구를 진행하고, 그 결과를 학술 논문으로 발표하는 것을 목표로 합니다. 이 과정에서, 연구자들은 최신 AI 기술과 금융 이론을 결합하여, 금융 시장의 이해를 넓히고, 새로운 금융 서비스 개발에 기여하고자 합니다. 현재 연구하고자 하는 주제들은 다음과 같습니다: 1. Muti-Modal AI 전통적인 CRSP 데이터를 넘어서, 다양한 형태의 데이터(소셜 미디어, 뉴스 기사, 경제 지표 등)를 종합적으로 분석하여 금융 시장의 동향을 예측하고 이해하고자 합니다. 이러한 멀티모달 접근 방식은 금융 시장의 복잡성을 더 정확하게 포착하고, 더 세밀한 투자 전략을 수립하는 데 도움을 줄 것입니다. 2. LLM (Large Language Models) 금융 분야에 특화된 대규모 언어 모델(Large Language Models)을 개발하여, 금융 관련 텍스트 데이터(보고서, 뉴스, 분석 기사 등)에서 유용한 정보를 추출하고, 이를 바탕으로 시장 동향을 분석하고 예측하고자 합니다. 이러한 모델은 금융 전문가들이 더욱 효과적으로 정보를 수집하고 분석하는 데 도움을 줄 수 있으며, 금융 분야의 의사 결정 과정을 혁신적으로 개선할 수 있는 잠재력을 지니고 있습니다. 이 외에도, 연구자들이 제안하는 다양한 주제에 대해 열린 태도를 가지고 있으며, 새로운 아이디어를 함께 탐구하고 발전시켜 나가고자 합니다.

오름캠프

커뮤니티 기반의 성장형 SW/AI 교육 플랫폼에서 함께 성장해요!

한 주의 시작을
모두레터와 함께해요

모두의연구소가 엄선한 AI 소식을 싣고,
매주 월요일 메일함으로 살포시 찾아갑니다.
모두레터